Zet uw gebouw schaakmat met een zelflerende installatiesturing

De sturing van gebouwen en installaties wordt almaar complexer naarmate we meer gebruikmaken van geavanceerde en duurzame systemen en hernieuwbare energiebronnen: we genereren tegenwoordig niet alleen warmte met stookketels, we halen die evengoed uit de grond of uit de zon. We gebruiken ook steeds vaker warmteterugwinsystemen of we slaan energie op in batterijen.

Voor de algoritmes van Priva ECO begint het feest pas bij deze complexiteit: het systeem slaagt erin om op elk moment steeds de beste keuze te maken. Bij meer dan 50 gebouwen realiseerden we inmiddels besparingen tot 40% en goed werkende installaties. Wat is nu de clou?

De vergelijking met een schaakspel is snel gemaakt. In 1997 al werd wereldkampioen schaken Garry Gasparov verslagen door Deep Blue, de schaakcomputer ontwikkeld door IBM. Een legendarisch moment voor de IT-wereld, een moment van ongeloof en verontwaardiging voor de schaakwereld. Het ogenschijnlijk onmogelijke werd werkelijkheid, maar hoe kon dat?

Het antwoord is eenvoudig. De computer van IBM zette het schaakspel om naar een reeks wiskundige formules. Iedere set binnen het spel werd een berekening. En formules kunnen door een computer gewoon sneller worden uitgerekend dan door een mens.

Boven: 1997 Deep Blue wint van Garry Gasparov

Precies hetzelfde is mogelijk voor het aansturen van installaties binnen een gebouw om het op temperatuur te krijgen of zelfs het managen van een compleet energienet. Laten we hiervoor eerst even inzoomen op hoe een (grotere) gebouwinstallatie werkt.

Meestal is het gebouw opgedeeld in een aantal zones, bijvoorbeeld een noord- en een zuidvleugel. De verschillende zones worden opgewarmd of afgekoeld via (warm) water of (koude) lucht die via bijvoorbeeld de vloerverwarming of inblaasroosters doorheen het gebouw verspreid worden. Maar de zon die op de gevel schijnt heeft evengoed invloed op de temperatuur in het gebouw.

De vloerverwarming en de inblaasroosters zijn op hun beurt aangesloten op luchtbehandelingssystemen, verdeelstukken, buffers en soms ook warmteterugwinsystemen. Deze systemen zijn dan weer aangesloten op warmte of koude producerende installaties zoals een aardgasketel of een warmtepomp op elektriciteit. Die zijn tot slot aangesloten op de energievoorziening zoals we die ook thuis hebben.

Samen vormen ze de energiestroom die door het gebouw loopt, van inkoop en opwekking tot distributie en afgifte. Samen met de zoninstraling, die gratis wordt toegevoegd, zorgen al deze componenten – als alles goed gaat – voor de gewenste temperatuur.

Je hoeft geen techneut te zijn om te begrijpen dat al deze componenten met elkaar samenhangen. Daarnaast spelen ook de buitentemperatuur en de wind op de gevel een belangrijke rol in de zogenaamde transmissieverliezen, het weglekken van warmte naar buiten als gevolg van een koudere buitentemperatuur.

Het samenspel tussen deze componenten zorgt ervoor dat als we 10 KW warmte vanuit een ketel via een verdeelstuk naar de vloerverwarming van een bepaalde zone brengen, die zal opwarmen. Maar deze energie kan ook via de inblaasroosters naar de zone gebracht worden en tegelijk kan ook de zon zorgen voor extra warmte in deze zone.

De zon kunnen we vooralsnog niet regelen (tenzij via een zonwering), maar al die andere componenten wel. Al gaat het om een bijzonder complex samenspel, waarbij iedere keuze die gemaakt wordt, invloed heeft op de totale installatie, het energieverbruik en de uiteindelijke opwarming of koeling van het gebouw.

Boven: Van links naar rechts de weergave van energiestromen door een gebouw. Weergegeven in een zogenaamd ‘Sankey model’

Vandaag worden dergelijke systemen nog aangestuurd op basis van een conventionele if then, else besturing. Als een bepaalde zone 20 graden vraagt vanaf acht uur ’s morgens en de buitentemperatuur bedraagt X, dan warmen we het water in de ketel tot temperatuur Y en blazen we dat water met flow Z het gebouw in. Deze zogenaamde stooklijnen worden vooraf geprogrammeerd op basis van een aantal logische verbanden en uitgangspunten.

Nadeel is dat een dergelijke one size fits all benadering weinig flexibel en dynamisch is. Er kan slechts beperkt rekening gehouden worden met weervoorspellingen of gebouwkenmerken. Bovendien zien we dat gebruikers in de praktijk vaak aanpassingen maken, bijvoorbeeld na comfortklachten. Die aanpassingen halen het totale systeem uit zijn balans en geven vaak aanleiding tot nieuwe klachten en onverwacht hoge verbruiken.

Met de ecoBuilding pakken we dit totaal anders aan. Het systeem gebruikt kunstmatige intelligentie om met algoritmes op ieder moment de meest ideale besturing te berekenen. Hierbij worden alle variabelen meegenomen en voor de komende 24 uur doorgerekend.

Vertrekpunt is uiteraard de gewenste temperatuur in elke zone van het gebouw. De variabelen zijn de installaties en hun capaciteit, de beschikbaarheid van duurzame energie-opwekkers, de transmissieverliezen en warmteopslag van het gebouw, enzovoort. Maar evengoed de energietarieven die bepalen of er een warmtepomp, een stookketel of een hernieuwbare bron wordt gebruikt.

Hoe groter het gebouw en hoe meer variabelen, hoe moeilijker het wordt voor het menselijke brein om de ideale sturing door te rekenen – en hoe beter de algoritmes en de Digital Twin tot zijn recht komt. De vergelijking met een schaakspel is treffend: het gaat om strategisch denken, vooruit kijken en afhankelijkheden inschatten en berekenen.

En het moet gezegd, het spelelement werkt echt verslavend voor iedereen die betrokken is bij ecoBuilding, van ontwikkelaars tot partners. Het is werkelijk fascinerend om te zien hoe onze ‘schaakcomputer’ zelf beslissingen neemt en bovendien telkens opnieuw de best mogelijke beslissing neemt. Sneller dan welke mens ook op aarde.

De resultaten mogen er trouwens ook zijn. Op dit moment hebben we met ecoBuilding al een vijftigtal projecten gerealiseerd in verschillende Europese landen. Afhankelijk van het project verwezenlijkten we energiebesparingen tussen 15 en 40 % op klimatisering, met vaak een aanzienlijke comfortverbetering.

Dit artikel is geschreven door Frank Visscher en op Linkedin gepucliceerd in februari 2020